Prognose der Nachfrage nach Regelenergie für den Energiehandel

Anhand von historischen Daten und Prognosen aus dem Energiesektor soll das Saldo der physikalischen Regelenergieabrufe ​
im deutschen Netzregelverbund (NRV) prognostiziert werden.​

Herausforderung

Ein Energiedienstleister möchte ein Machine Learning Modell zur Prognose des positiven oder negativen Saldos der Regelenergie im Netzregionalverbund (NRV) entwickeln. Ziel ist es, auf dem volatilen Strommarkt effizienter handeln zu können.​

Lösung

Zahlreiche Datenquellen werden bereinigt und in ein einheitliches Zeitreihenformat zusammengeführt. Eine visuelle und datenbasierte Exploration von Korrelationen und möglichen Einflussfaktoren wird durchgeführt. Anschließend werden mehrere Regressions- und Klassifikationsmodelle zur Vorhersage des Saldos bzw. dessen Vorzeichen sowie Anwendung eines zweistufigen Ensemblemodells erstellt. ​

Ergebnis

Es gibt den Prototyp eines Prognosemodells, das darauf ausgerichtet ist, mit aktuell verfügbaren Daten, den Saldo der Regelenergie in 15 Minuten vorherzusagen. Dadurch kann sich der Stromproduzent auf dem Markt besser positionieren. ​

Herausforderung

Ein Automobilunternehmen möchte verschiedene marktspezifische Daten visualisieren, um eine Wettbewerbsanalyse für den US-Markt zu ermöglichen.

Lösung

Es wird eine interaktive und flexible Anwendung, einschließlich verschiedener Karten mit zwei verschiedenen Ansichten implementiert.

Ergebnis

Relevante Märkte werden identifiziert, analysiert und visualisiert. Der Händler oder der jeweilige Vertrieb haben die Möglichkeit den direkten Wettbewerb mit dem eigenen Produkt zu vergleichen und die relevanten Daten zu visualisieren.

Entwicklung einer Predictive-Maintenance-Strategie für die Daten- und IT-Infrastruktur

Entwicklung eines datengetriebenen und zustandsorientierten Instandhaltungsprozess, der über 5 Mio. €   jährliches Einsparpotenzial identifiziert​

Herausforderung​

Ein DAX-notierter Energieversorger möchte eine datengeeignete IT und Businessarchitektur aufsetzen. Weiterhin sollen Instandhaltungskosten seiner Anlagen reduziert und exemplarisch an der Komponente LuVo (Luftvorwärmer) die Machbarkeit nachgewiesen werden​
​

Lösung​

Im [at] Architektur- und Roadmap-Workshop wird die Technologie und Datenbasis festgelegt. Anschließend erfolgt die Exploration der vorhandenen Datenquellen und Überprüfung identifizierter Anforderungen. Es wird eine holistische Prozess– und Datensicht der IT- und PDV-Systeme entwickelt. Ein datenerzeugender  Instandhaltungsprozesses wird konzipiert und der Business Case entwickelt. ​

​

Ergebnis​

Die Architektur und Daten–Strategie ist vom konkreten Bedarf der Use-Case Anforderungen abgeleitet. Eine prototypische Predictive Maintenance App zur Planung sowie ein interaktiver Prozess-Click-Dummy sind erstellt. Eine Anforderungsanalyse samt Business Case zur Datenerhebung liegt ebenfalls vor. ​

Herausforderung

Ein Automobilunternehmen möchte verschiedene marktspezifische Daten visualisieren, um eine Wettbewerbsanalyse für den US-Markt zu ermöglichen.

Lösung

Es wird eine interaktive und flexible Anwendung, einschließlich verschiedener Karten mit zwei verschiedenen Ansichten implementiert.

Ergebnis

Relevante Märkte werden identifiziert, analysiert und visualisiert. Der Händler oder der jeweilige Vertrieb haben die Möglichkeit den direkten Wettbewerb mit dem eigenen Produkt zu vergleichen und die relevanten Daten zu visualisieren.

Migration von On-Premise zur Azure Cloud

Entwicklung eines REST API Services in Azure zur konzernspezifischen Neukundenbewertung ​
anhand von internen- und Auskunftei-Daten ​

Herausforderung​

Ein Energieversorgungsunternehmen migriert einen Großteil seiner Infrastruktur in die Cloud. Die bisher verwendete On-Premise Bonitätsprüfung (R, C#) soll durch einen neuen Service (Azure, Python) abgelöst werden. Dabei müssen erhöhte Sicherheitsbestimmungen auf Grund von höchst sensiblen Daten eingehalten werden. ​
​

Lösung​

Es erfolgt eine Abstimmung mit der Rechtsabteilung bezüglich spezifischer DSGVO-Richtlinien sowie der Integration zusätzlicher Sicherheitsmaßnahmen zur Speicherung von sensiblen, personenbezogenen Daten in der Cloud. Anschließend wird eine REST API mit integrierter Datenaufbereitung, Modelltraining und Realtime-Scoring, sowie Logging aller Anfragen entiwckelt. Die Datenpipeline wird in die Azure-Infrastruktur integriert.

​

Ergebnis​

Der API Bonitätsservices wird produktivgesetzt. Die interne Bonitätsprüfung kann als Service konzernweit und markenübergreifend genutzt werden.

Herausforderung

Ein Automobilunternehmen möchte verschiedene marktspezifische Daten visualisieren, um eine Wettbewerbsanalyse für den US-Markt zu ermöglichen.

Lösung

Es wird eine interaktive und flexible Anwendung, einschließlich verschiedener Karten mit zwei verschiedenen Ansichten implementiert.

Ergebnis

Relevante Märkte werden identifiziert, analysiert und visualisiert. Der Händler oder der jeweilige Vertrieb haben die Möglichkeit den direkten Wettbewerb mit dem eigenen Produkt zu vergleichen und die relevanten Daten zu visualisieren.